Ricerca…


Parametri

Parametro Dettagli
pred un tensore TensorFlow di tipo bool
fn1 una funzione callable, senza argomenti
fn2 una funzione callable, senza argomenti
nome (facoltativo) nome per l'operazione

Osservazioni

  • pred non può essere solo True o False , deve essere un Tensore
  • La funzione fn1 e fn2 dovrebbero restituire lo stesso numero di uscite, con gli stessi tipi.

Esempio di base

x = tf.constant(1.)
bool = tf.constant(True)

res = tf.cond(bool, lambda: tf.add(x, 1.), lambda: tf.add(x, 10.))
# sess.run(res) will give you 2.

Quando f1 e f2 restituiscono più tensioni

Le due funzioni fn1 e fn2 possono restituire più fn2 , ma devono restituire esattamente lo stesso numero e tipi di uscite.

x = tf.constant(1.)
bool = tf.constant(True)

def fn1():
    return tf.add(x, 1.), x

def fn2():
    return tf.add(x, 10.), x

res1, res2 = tf.cond(bool, fn1, fn2)
# tf.cond returns a list of two tensors
# sess.run([res1, res2]) will return [2., 1.]

definire e utilizzare le funzioni f1 e f2 con i parametri

Puoi passare i parametri alle funzioni in tf.cond () usando lambda e il codice è come muggito.

x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
z = tf.placeholder(tf.float32)

def fn1(a, b):
  return tf.mul(a, b)

def fn2(a, b):
  return tf.add(a, b)

pred = tf.placeholder(tf.bool)
result = tf.cond(pred, lambda: fn1(x, y), lambda: fn2(y, z))

Quindi puoi chiamarlo come muggito:

with tf.Session() as sess:
  print sess.run(result, feed_dict={x: 1, y: 2, z: 3, pred: True})
  # The result is 2.0
  print sess.run(result, feed_dict={x: 1, y: 2, z: 3, pred: False})
  # The result is 5.0


Modified text is an extract of the original Stack Overflow Documentation
Autorizzato sotto CC BY-SA 3.0
Non affiliato con Stack Overflow